또 하나의 프론티어 모델이 순위표를 흔들었어요. 2026년 8월 12일 공개된 Grok 4.6은 독립 평가기관 Artificial Analysis의 종합 지능 지수에서 OpenAI의 최상위 모델 GPT-5.6 Sol과 동점을 기록했어요. 그런데 가격은 3분의 1 수준이에요. 이 글에서는 Grok 4.6의 실제 벤치마크 성적과 Claude·GPT와의 격차, 그리고 화려한 숫자 뒤에 가려진 한계까지 정리했어요.
Grok 4.6 한눈에 보기
먼저 스펙부터 짚어볼게요. 발표 주체가 ‘xAI’가 아니라 SpaceXAI로 표기되는 자료가 많은데, 2026년 2월 SpaceX가 xAI를 인수한 뒤 7월 통합 브랜드로 재출범했기 때문이에요. 모델 계보 자체는 Grok 4.5의 후속이 맞아요.
| 항목 | 내용 |
|---|---|
| 출시일 | 2026년 8월 12일 |
| API 모델 ID | grok-4.6 |
| 컨텍스트 창 | 500,000 토큰 |
| 입출력 | 입력: 텍스트·이미지 / 출력: 텍스트 |
| 지식 컷오프 | 2026년 2월 1일 |
| 추론 강도 | low / medium / high(기본) / xhigh(신규) |
| 가격 | 입력 $2 · 캐시 $0.50 · 출력 $6 (100만 토큰당) |
| 이용 경로 | xAI API, Cursor, Grok Build, OpenRouter·Vercel·Cloudflare |
| 오픈 웨이트 | 없음 (셀프 호스팅 불가) |
공식 발표에서 강조한 방향은 분명해요. 장시간 돌아가는 에이전트와 시각적·인터랙티브 결과물이에요. 긴 작업 도중 스스로 테스트하고 검증하는 행동이 늘었다는 게 xAI 측 설명이에요.
핵심 성적표 — 종합 지수 61점, GPT-5.6 Sol과 동점
가장 많이 인용되는 숫자는 Artificial Analysis 인텔리전스 인덱스(v4.1.1)예요. 9개 벤치마크를 묶은 종합 점수인데, 결과는 이래요.
| 모델 | AA 인텔리전스 인덱스 | 출력 가격(100만 토큰) |
|---|---|---|
| Claude Opus 5 | 63 | $25 |
| Claude Fable 5 | 62 | — |
| Grok 4.6 | 61 | $6 |
| GPT-5.6 Sol | 61 | $30 |
| Kimi K3 | 61 미만 | — |
정리하면 Grok 4.6은 세계 3위권에 진입했지만 1위는 아니에요. Claude Opus 5가 63점으로 여전히 선두고, Fable 5가 62점으로 뒤를 받쳐요. Grok은 Sol과 동점으로 공동 3위, 직전까지 그 자리에 있던 Kimi K3를 밀어냈어요.
“놀라운 결과”라는 표현이 붙은 이유는 순위 자체보다 2점 차를 5분의 1 가격으로 따라붙었다는 점에 있어요.
세부 벤치마크 — 어디서 이기고 어디서 지는가
종합 점수는 평균이라 실제 쓸모를 가려요. 항목별로 보면 성격이 확 갈려요. 아래는 xAI가 공개한 Grok 4.6(high) 자체 성적표예요.
| 벤치마크 | 측정 영역 | Grok 4.6 (high) |
|---|---|---|
| GDPval-AA v2 | 실무 지식 노동(문서·스프레드시트·슬라이드) | 1753 Elo |
| AA-Briefcase | 장기 지식 노동 | 1577 Elo |
| CursorBench v3.2 | 에디터 내 코딩 | 69.9% |
| DeepSWE v1.1 | 소프트웨어 엔지니어링 | 65.9% |
| FrontierCode v1.1 (Extended) | 고난도 코드 | 61.3% |
| APEX-Agents | 에이전트 실행 | 57.5% |
| APEX-SWE | 에이전트형 SWE | 56.4% |
| Terminal-Bench v3.0 | 터미널 작업 | 26% |
| Harvey LAB (Vals) | 법률 실무 | 15.8% |
GPT-5.6 Sol과 직접 비교하면 CursorBench·FrontierCode·AA-Briefcase에서는 Grok이 앞서고, DeepSWE와 Terminal-Bench에서는 뒤처져요. 즉 ‘코드 편집과 문서형 산출물은 강하고, 복잡한 SWE 파이프라인과 셸 작업은 약하다’는 그림이에요.
GDPval-AA v2에서도 오해가 많아요. 1753 Elo는 훌륭하지만 1위가 아니라 2위예요. 같은 리더보드에서 Claude Opus 5는 최대 추론 설정에서 1849, xhigh 설정에서 1817을 기록해 선두를 지켰어요.
진짜 승부처는 가격 — 60~80% 저렴
이 모델의 존재감은 성능표보다 청구서에서 드러나요. 세 모델의 조건을 나란히 놓으면 이래요.
| 구분 | Grok 4.6 | Claude Opus 5 | GPT-5.6 Sol |
|---|---|---|---|
| 입력 / 출력 | $2 / $6 | $5 / $25 | $5 / $30 |
| 캐시 입력 | $0.50 | $0.50 | $0.50 |
| 컨텍스트 | 500K | 1M | 1.05M |
| 최대 출력 | 제한 없음 | 128K | 128K |
| 장문 할증 | 200K 초과 시 2배 | 없음 | 272K 초과 시 2배 |
출력 토큰 기준으로 Sol 대비 80% 저렴하고, Opus 5 대비 76% 저렴해요. 상위권 점수를 유지하면서 이 가격대에 있는 모델은 현재로선 이것뿐이에요. 실제 측정에서도 GDPval 과제 1건당 비용이 $0.84로, 오픈 웨이트 계열인 Kimi K3와 같은 수준이었어요.
덜 알려진 하이라이트 — 턴 효율
가격표보다 흥미로운 숫자가 하나 더 있어요. 장기 과제 벤치마크 AA-Briefcase에서 Grok은 평균 약 53턴, 입력 토큰 약 5억 개로 과제를 끝냈어요. 같은 과제에서 Claude Opus 5는 약 103턴, 약 20억 토큰을 썼어요.
턴 수는 절반, 토큰은 4분의 1이에요. 에이전트를 오래 돌리는 워크로드에서는 이 차이가 단가 차이보다 더 크게 누적돼요. 다만 여기엔 트레이드오프가 있어요. 적은 턴으로 끝낸다는 건 검증 단계를 덜 밟는다는 뜻이기도 해서, 최종 품질이 중요한 작업에서 Opus 5가 앞서는 이유와도 연결돼요.
주의할 점 3가지
1. 벤치마크 버전을 꼭 확인하세요
Grok의 Terminal-Bench 점수는 자료에 따라 26%와 88.4%로 나와요. 틀린 게 아니라 버전이 달라요. 앞은 신규·고난도인 v3.0, 뒤는 기존 v2.1이에요. 모델을 비교할 때 같은 버전끼리 놓지 않으면 결론이 통째로 뒤집혀요.
2. 컨텍스트가 경쟁 모델의 절반
500K는 넉넉하지만 Opus 5(1M)나 Sol(1.05M)의 절반 수준이에요. 대형 모노레포 전체를 한 번에 밀어 넣거나, 초장문 문서를 통째로 다루는 작업에서는 제약이 될 수 있어요. 게다가 200K를 넘기면 단가가 2배($4/$12)로 올라가 가격 우위도 줄어요.
3. 출시 직후 평가라는 점
지금 공개된 수치 상당수는 출시 당일 측정치예요. 실사용에서의 안정성, 도구 호출 신뢰도, 장시간 세션에서의 드리프트는 시간이 지나야 드러나요. 프로덕션에 넣기 전에 자기 워크로드로 범위를 제한한 검증을 거치는 게 안전해요.
그래서 어떤 모델을 써야 할까
2026년 8월 현재 실무 팀들이 택하는 답은 ‘하나만 고르지 않는다’예요. 작업 성격에 따라 라우팅하는 방식이 자리 잡았어요.
- Grok 4.6 — 대량 백그라운드 서브에이전트, 테스트 코드 생성, 문서화, PR 자동화처럼 양이 많고 단가가 중요한 작업
- Claude Opus 5 — 복잡한 아키텍처 설계, 최종 코드 리뷰, 품질이 비용을 정당화하는 전문 산출물
- GPT-5.6 Sol — 셸 실행·파일 검색·웹 리서치·이미지 생성·컴퓨터 사용까지 호스팅 도구를 한 벤더에서 묶어 쓰고 싶을 때
개인 사용자라면 판단이 더 단순해요. 코드 편집과 반복 작업 비중이 크고 API 비용이 부담이라면 Grok이 지금 가장 합리적인 선택이에요. 반대로 한 번의 결과물 품질이 중요하다면 2점 차이를 위해 프리미엄을 내는 게 여전히 타당해요.
모델별 코딩 도구 조합이 궁금하다면 AI 코딩 도구 비교 2026을, Claude 쪽 최신 라인업은 Claude Fable 5 출시 정리를 함께 보면 그림이 잡혀요. 여러 모델을 동시에 굴리는 방식은 Orca 코딩 에이전트 가이드에서 다뤘어요.
자주 묻는 질문
Grok 4.6이 GPT-5.6이나 Claude보다 좋은가요?
종합 지수 기준으로는 GPT-5.6 Sol과 동점(61점), Claude Opus 5(63점)보다는 낮아요. 다만 CursorBench·FrontierCode 같은 코드 편집 항목에서는 Sol보다 앞서고 가격은 훨씬 저렴해서, ‘어떤 작업이냐’에 따라 답이 달라져요.
Grok 4.6 가격은 얼마인가요?
100만 토큰당 입력 $2, 캐시 입력 $0.50, 출력 $6이에요. 프롬프트가 200K 토큰을 넘으면 각각 2배로 올라가요. 빠른 응답 변형(fast)은 표준 가격의 2배예요.
어디서 쓸 수 있나요?
xAI API에서 grok-4.6 모델 ID로 호출하거나, Cursor와 Grok Build에서 바로 쓸 수 있어요. OpenRouter·Vercel·Cloudflare를 통한 라우팅도 지원해요. 오픈 웨이트는 공개되지 않아 셀프 호스팅은 불가능해요.
컨텍스트 창은 얼마나 되나요?
500,000 토큰이에요. Claude Opus 5(1M)와 GPT-5.6 Sol(1.05M)의 절반 수준이지만, 최대 출력 길이에는 별도 상한이 없어요.
Grok 4.5에서 무엇이 달라졌나요?
추가 학습과 SFT 트라젝토리 재생성, 코딩·웹 개발·CAD·커널 최적화 영역의 에이전트 강화학습이 적용됐어요. 그 결과 GDPval-AA v2에서 Grok 4.5의 1526 Elo가 1753으로, AA-Briefcase는 1313에서 1577로 올랐어요. xhigh 추론 단계도 새로 추가됐어요.
정리하면
Grok 4.6은 최고점을 새로 쓴 모델은 아니에요. 하지만 프론티어 성능을 중형 모델 가격에 제공하면서, 같은 작업을 절반의 턴으로 끝내는 효율까지 갖췄어요. 상위 티어의 가격 기준선을 아래로 끌어내렸다는 점에서 순위표 숫자보다 시장에 미치는 영향이 더 커요.
결국 선택지는 ‘가장 똑똑한 모델’에서 ‘내 작업에 가장 적합한 가격대의 모델’로 옮겨가고 있어요. 이 모델은 그 흐름을 가장 선명하게 보여주는 사례예요.
자세한 발표 내용은 SpaceXAI 공식 페이지, 독립 측정치는 Artificial Analysis 분석에서 확인할 수 있어요.
※ 이 글의 벤치마크·가격 정보는 2026년 8월 15일 기준 공개 자료를 바탕으로 해요. 모델 순위와 가격 정책은 자주 바뀌므로 도입 전 공식 문서를 다시 확인해 주세요.
